اهمیت روشهای یادگیری ماشین در پیش بینی تصادفات جاده ها

از آن جایی که مدل های آماری شاخص های خوبی از احتمال تصادفات را ارائه می دهند و نتایج حاصل از آن ها به راحتیقابل تفسیر هستند، سال هاست که به طور مرسوم از تکنیک های آماری برای مدل سازی ایمنی جاده و تجزیه و تحلیلشدت تصادفات به کار گرفته شده است. اما علی رغم پیشرفت های حاصل از مدل ها در تعیین عوامل خطر مرتبط با تصادفاتجاده ای، محدودیت های مدل سازی آماری به طور گسترده ای در تحقیقات تایید شده است. یادگیری ماشین روشی نویناست که محدودیت های مدل های آماری را ندارد، علاوه بر آن امکان تجزیه و تحلیل مقادیر حجیمی از داده ها را با دقت بالافراهم میکند. امروزه، این روش در اکثر صنایع و کسب و کارها و به ویژه در برنامه ریزی حمل و نقل و ایمنی جاده ها مورد استفاده قرار میگیرد و تصمیمات بسیار تاثیرگذار دنیای امروز بر اساس پردازشهای انجام شده روی داده ها و نتایج حاصلاز آنها اتخاذ میشود. مقاله مروری حاضر با هدف آشنایی با روش یادگیری ماشین و انواع مختلف آن، و نیز کاربردهای آندر پیش بینی تصادفات در جاده ها انجام شده است.

کلیدواژه ها:

یادگیری ماشین ، مدل سازی ، شدت تصادفات ، پیش بینی